李昊
- 作品数：12 被引量：86H指数：5
- 供职机构：中国矿业大学（北京）机电与信息工程学院更多>>
- 发文基金：国家高技术研究发展计划中央高校基本科研业务费专项资金更多>>
- 相关领域：矿业工程经济管理动力工程及工程热物理机械工程更多>>
- 自动化工作面刮板输送机横向移动矩形模型计算方法被引量：4
- 2019年
- 针对冀中能源集团郭二庄煤矿、葛泉煤矿等矿普遍存在的综采工作面刮板输送机横向弯曲推移过程中存在的弯曲段长度过长、刮板输送机装煤效果不好等实际难题,根据综采工作面刮板输送机的横向弯曲移动和纵向运输的实际状况和规律,通过建立刮板输送机横向弯曲分步移动模型,分析研究了刮板输送机横向分段推移时弯曲段的形成过程和机理,揭示了刮板输送机横向弯曲移动规律。研究分析发现:刮板输送机弯曲段过长时(按照现行普遍采用的弯曲段长度10中部槽弯曲移动),中部槽之间的水平张开角大小不一致,导致弯曲段弯曲半径不相等,容易造成刮板输送机运行负荷不稳定、中部槽内刮板链受力不均衡、摩擦力和碰撞力增大等问题,从而增加了刮板输送机刮板连、刮板和中部槽的磨损,减少了使用寿命。根据刮板输送机的水平弯曲移动姿态建立了刮板输送机弯曲段矩形计算模型,利用数学坐标系和三角函数的计算方法,推导和建立了刮板输送机弯曲段数学计算模型和数学验证模型,并对煤矿现有部分型号的刮板输送机进行了数学模型理论计算和验证。该数学计算模型在冀中能源郭二庄煤矿2204综采工作面得到了实际应用,经应用对比,综采工作面按照新的计算模型确定弯曲段长度为6节中部槽移动后,与原先采用的弯曲段长度10节相比减少了4节,弯曲段长度由原来的15 m减少到9 m。在工作面采煤机、刮板输送机、液压支架三机协同运行以及刮板输送机装煤效率和煤壁防止片帮等方面均取得了良好的效果。
- 李昊张晞
- 关键词：刮板输送机数学模型
- 基于DT-LSTM的矿山液压支架顶梁疲劳寿命预测被引量：1
- 2022年
- 液压支架是矿井综采和综放开采智能工作面的关键支护与放煤设备。针对井下环境存在设备健康评估与故障维护困难、难以对液压支架疲劳寿命进行预测等问题,基于数字孪生技术和长短时记忆(Long Short-Term Memory,LSTM)循环神经网络,提出了矿山液压支架顶梁疲劳监测与寿命预测方法。该方法根据矿山液压支架顶梁的结构与工作原理,首先利用有限元法建立液压支架系统仿真模型,并采用ANSYS有限元分析获得液压支架顶梁状态参数与疲劳寿命值的相关数据集;然后利用ANSYS Twin Builder构建高置信度的数字孪生验证模型,并根据矿山液压支架顶梁的屈服强度和本构关系等真实的边界条件,进一步验证与优化有限元分析模型;再通过LSTM神经网络对训练集进行训练并利用测试集进行测试,以确定液压支架顶梁寿命的预测模型,从而实现对矿山液压支架顶梁疲劳寿命的准确预测,试验验证结果表明,与其他预测方法相比,基于LSTM神经网络的预测方法性能最优,预测值相比仿真值平均误差仅为1.8%,为液压支架顶梁疲劳寿命预测与管理提供了新思路。
- 张帆张帆张崇进王世雄李昊
- 关键词：液压支架顶梁疲劳寿命预测
- 智能综采工作面刮板输送机直线度监测方法研究被引量：7
- 2022年
- 综采工作面刮板输送机的直线度误差受刮板输送机的轨迹检测误差和液压支架的推移误差的影响,给刮板输送机的状态监测带来了新的挑战。综采工作面刮板输送机直线度实时监测与控制及其获取精确、可靠的位置状态信息对煤矿智能化开采至关重要。为实现综采工作面刮板输送机自动化、智能化、无人化调直并有效地监测刮板输送机的状态,提出了一种基于卡尔曼滤波的刮板输送机位置状态估计方法,结合综采工作面采煤工艺,利用刮板输送机检测轨迹建立刮板输送机调直方法模型,针对传统方法无法实时反映刮板输送机运动状态的难题,以数字孪生技术作为物理世界与数字世界的桥梁,实时精准地反映刮板输送机的位置状态信息,研究综采工作面“三机”的工作特点,利用卡尔曼滤波算法实现对综采工作面刮板输送机直线度的有效监测,并通过改变检测误差与推移误差的正态分布来检验该方法的准确性。试验结果表明,所提出的监测方法能够有效地减小检测误差和推移误差对综采工作面刮板输送机直线度的影响,且在检测误差与推移误差较大时依旧能发挥出色的效果,监测精准率均能提高30%以上,能使综采工作面刮板输送机的直线度误差稳定在一定的范围内,提高刮板输送机直线度的监测精度。
- 张帆张帆李昊
- 关键词：刮板输送机直线度误差
- 基于长短期记忆的煤炭含水率智能预测与实验研究
- 2022年
- 考虑影响煤炭含水率变化的温度、湿度和风力等主要天气因素,以神华黄骅港为例,研究港口煤垛堆场的煤炭含水率预测方法。该方法首先基于长短期记忆(Long Short-Term Memory,LSTM)神经网络建立煤炭含水率预测模型,然后通过对采集到的港口实时天气数据和煤堆不同煤种的含水率数据融合处理,使用LSTM网络对训练数据集进行训练,并用来测试数据集,最后确定煤炭含水率预测模型,从而实现对堆场的智能洒水。研究结果表明,该模型对煤港堆场含水率预测的准确率在85%以上,据此模型建立智能洒水策略,能有效抑制煤堆起尘。上述方法对节约港口用水和减少污水量,以及对煤炭绿色开采和绿色生态港口建设具有参考价值。
- 李娜刘强张淼张崇进张帆张帆
- 关键词：数据融合
- 基于粒子群优化算法优化BP神经网络模型的间接空冷散热器性能监测被引量：12
- 2019年
- 为监测间接空冷散热器的换热性能,提出了监测间接空冷塔出水温度的方法。根据间接空冷系统散热器传热量计算和热平衡方程,分析了间接空冷塔出水温度的影响因素,建立了以环境温度、环境风速、大气压力、间接空冷塔循环水进水温度、循环水进水压力、出水压力和百叶窗开度7个主要参数为输入,出水温度为输出的BP神经网络模型。为避免该模型陷入局部最优,采用非线性动态惯性权重的粒子群优化(PSO)算法对BP神经网络模型的初始权值和阈值进行了优化,构建了PSO-BP神经网络预测模型,并根据某660MW间接空冷机组的运行数据对该模型进行了训练和验证。结果表明:采用PSO算法优化的BP神经网络模型具有较强泛化能力,预测精度高于单纯的BP神经网络模型,预测平均绝对百分比误差为0.55%。
- 李昊罗云李瑞东苏永健陈雪林徐义巍郭洪远李鹏竹
- 关键词：间接空冷粒子群优化算法BP神经网络出水温度
- 支架自动跟机模式下的泵站启停控制自主决策模型的研究被引量：4
- 2020年
- 针对综采工作面自动化生产过程中液压支架跟机速率慢的问题,分析了液压支架动作与供液系统输出流量的关系以及跟机移架速度与采煤机牵引速度匹配的关系,研究了采煤机牵引速度、位置、方向与液压支架动作以及供液系统出口压力相互之间的约束关系,提出一种利用受控系统的I/O数据来设计乳化液泵启停决策模型的方法;使用实际生产数据训练了CART随机森林分类树决策模型,并针对数据不平衡问题提出一种调整权重的分类树优化算法。经实际应用数据验证,该方法不仅提高了供液系统的流量按需供给度,而且具备较好的普适性,可以应用于不同的自动化综采工作面,为提高综采工作面智能化程度以及高效生产提供支撑。
- 李昊李昊
- 综采工作面液压支架自主调斜调偏技术研究被引量：7
- 2019年
- 针对综采液压支架一直以来在横向调斜和平面调偏方面存在的技术难题,对液压支架位姿状态自主调斜调偏技术进行了深入研究。对于各种煤层地质条件下,尤其是煤层顶底板倾角变化大、地质构造发育的工作面,由于不能及时调架,容易造成支架倾斜、错位、挤咬甚至造成倒架事故的现状,结合现有液压支架实际状况,进行了理论分析和判断,建立了调斜调偏理论模型,并通过模型计算对比,找出了现有液压支架调斜调偏技术和装置存在的缺陷和问题。提出了适合综采液压支架本身自主调斜调偏和有利于集中控制的新技术,设计了新的调斜调偏机构。经过在云驾岭煤矿805综采工作面实际应用,取得了初步的效果。该成果解决了液压支架在工作面横向倾斜方向上的位姿状态调斜和平面上的位姿状态调偏等关键技术,进一步完善和扩展了液压支架在各种条件下的位姿调架技术。
- 李昊季阳季阳
- 关键词：综采工作面液压支架倒架调斜调偏
- 综采工作面虚拟现实监控系统设计被引量：14
- 2016年
- 针对目前综采工作面自动化生产过程中视频监控图像效果差的问题,设计了综采工作面虚拟现实监控系统,详细介绍了系统功能设计、结构组成及系统实现的关键技术。该系统采用虚拟现实技术构建出了高仿真度的虚拟矿井作业场景,实现了综采工作面生产设备实时状态信息的采集、传输、显示、预警以及反向控制等功能,满足了综采工作面自动化生产监控的需求。
- 李昊陈凯张晞钱建生
- 关键词：综采工作面三维虚拟现实自动化
- 面向智能矿山与新工科的数字孪生技术研究被引量：32
- 2020年
- 将数字孪生与人工智能(AI)技术相结合,提出了基于数字孪生+AI的智能矿山建设新思路。探索了智能矿山技术发展路径,研究了数字孪生技术的特征、应用领域及发展趋势,指出数字孪生是数字化矿山发展的必然趋势。提出了基于数字孪生+AI的智能矿山理论架构,构建了矿山数字孪生模型,模型自下而上分别为矿山全要素物理实体、矿山信息物理融合层、矿山数字孪生模型、矿山孪生数据交互层、矿山应用智能服务层,据此实现智能矿山的泛在感知、协同控制和智能决策与优化。从应用实际需求出发,探讨了智能矿山模型构建技术、智能开采数字孪生体技术、矿山智能控制技术、矿山设备故障预测、基于数字孪生的人机交互等关键技术。通过研究数字孪生在智能矿山中的应用,为AI技术在智能矿山应用落地提供思路,为未来智能矿山新工科建设提供理论借鉴。
- 张帆张帆李昊李昊
- 关键词：智能矿山人工智能
- 面向煤炭清洁利用的港口煤垛含水率预测研究被引量：1
- 2021年
- 煤炭洒水降尘对煤炭清洁利用和实现绿色能源港口意义重大,而港口堆场风速、湿度和温度等是影响煤垛含水分含量变化的主要因素。本文基于影响煤炭含水率变化的温湿度和风力等主要天气因素,研究了一种基于深度学习的含水率预测方法,该方法通过建立LSTM循环神经网络煤炭含水率预测模型,通过收集和处理黄骅港的气象数据,通过对采集到的港口天气数据和不同煤种煤堆的表层含水率数据融合处理,使用LSTM模型对训练数据集进行训练之后用来测试测试数据集。研究结果表明,通过使用这种数据驱动的方法,可以制定出节省人力和水资源的智能洒水计划,既能节约港口用水、减少污水量,又能提高煤炭清洁利用效率,对绿色生态港口建设具有重要意义。
- 刘强李娜张淼李昊张崇进张帆
- 关键词：循环神经网络数据驱动绿色能源港口堆场污水量
